Temario del curso
DÍA 1 - REDES NEURONALES ARTIFICIALES
Introducción y estructura de la RNP.
- Neuronas biológicas y neuronas artificiales.
- Modelo de una RNP.
- Funciones de activación utilizadas en las RNP.
- Clases típicas de arquitecturas de redes.
Fundamentos matemáticos y mecanismos de aprendizaje.
- Revisión del álgebra vectorial y matricial.
- Conceptos del espacio de estados.
- Conceptos de optimización.
- Aprendizaje por corrección de errores.
- Aprendizaje basado en la memoria.
- Aprendizaje hebbiano.
- Aprendizaje competitivo.
Perceptrones de una sola capa.
- Estructura y aprendizaje de los perceptrones.
- Clasificador de patrones: introducción y clasificadores de Bayes.
- El perceptrón como clasificador de patrones.
- Convergencia del perceptrón.
- Limitaciones de un perceptrón.
RNP de alimentación hacia adelante (Feedforward).
- Estructuras de redes feedforward multicapa.
- Algoritmo de retropropagación.
- Retropropagación: entrenamiento y convergencia.
- Aproximación funcional con retropropagación.
- Aspectos prácticos y problemas de diseño en el aprendizaje por retropropagación.
Redes de Funciones de Base Radial.
- Separabilidad de patrones e interpolación.
- Teoría de regularización.
- Regularización y redes RBF.
- Diseño y entrenamiento de redes RBF.
- Propiedades de aproximación de la RBF.
Aprendizaje competitivo y RNP autoorganizativas.
- Procedimientos generales de agrupamiento.
- Cuantificación de vectores de aprendizaje (LVQ).
- Algoritmos de aprendizaje competitivo y arquitecturas.
- Mapas de características autoorganizativos.
- Propiedades de los mapas de características.
Redes Neuronales Difusas.
- Sistemas neuro-difusos.
- Fundamentos de conjuntos difusos y lógica difusa.
- Diseño de reglas difusas.
- Diseño de RNP difusas.
Aplicaciones
- Se discutirán algunos ejemplos de aplicaciones de las Redes Neuronales, sus ventajas y problemas asociados.
DÍA 2 - APRENDIZAJE AUTOMÁTICO
- El marco del aprendizaje PAC
- Garantías para conjuntos finitos de hipótesis – caso consistente
- Garantías para conjuntos finitos de hipótesis – caso inconsistente
- Consideraciones generales
- Escenarios deterministas frente a estocásticos
- Ruido del error de Bayes
- Errores de estimación y aproximación
- Selección del modelo
- Complejidad de Rademacher y dimensión VC
- Compensación sesgo-varianza
- Regularización
- Sobreajuste
- Validación
- Máquinas de Vectores de Soporte
- Kriging (regresión de procesos gaussianos)
- PCA y PCA Kernel
- Mapas Autoorganizativos (SOM)
- Espacio vectorial inducido por kernels
- Kernels de Mercer y métricas de similitud inducidas por kernels
- Aprendizaje por refuerzo
DÍA 3 - APRENDIZAJE PROFUNDO
Este tema se impartirá en relación con los contenidos cubiertos el Día 1 y el Día 2.
- Regresión logística y softmax
- Autoencoders dispersos (Sparse Autoencoders)
- Vectorización, PCA y blanqueamiento
- Aprendizaje autoenseñado
- Redes profundas
- Decodificadores lineales
- Convolución y agrupación (pooling)
- Codificación dispersa
- Análisis de componentes independientes
- Análisis de correlación canónica
- Demostraciones y aplicaciones
Requerimientos
Buen dominio de las matemáticas.
Buen dominio de las estadísticas básicas.
No se requieren habilidades básicas de programación, aunque sí se recomiendan.
Reseñas (2)
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
It was very interactive and more relaxed and informal than expected. We covered lots of topics in the time and the trainer was always receptive to talking more in detail or more generally about the topics and how they were related. I feel the training has given me the tools to continue learning as opposed to it being a one off session where learning stops once you've finished which is very important given the scale and complexity of the topic.
Jonathan Blease
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
